임의의 메일이 스팸 또는 비스팸 인지를 판정하는 기준은 사람마다 다르다. 즉 사용자마다 같은 이메일에 대한 반응도 자신의 취향에 따라 다를 수 있다. 본 논문에서는 사용자 선호 온톨로지를 구축함으로서 스팸 메일을 줄이고자 한다. 사용자의 행동양식을 기술하는 온 ...

임의의 메일이 스팸 또는 비스팸 인지를 판정하는 기준은 사람마다 다르다. 즉 사용자마다 같은 이메일에 대한 반응도 자신의 취향에 따라 다를 수 있다. 본 논문에서는 사용자 선호 온톨로지를 구축함으로서 스팸 메일을 줄이고자 한다. 사용자의 행동양식을 기술하는 온톨로지를 정의하기 위하여, 사용자들의 선호도 정보와 그들의 이메일에 대한 반응을 연구하기 위한 연관성 분류 마이닝 방법을 적용했다. 생성된 분류 규칙은 정형화된 온톨로지 언어로 표현된다. 사용자 선호 온톨로지는 어떤 메일이 스팸 또는 비스팸 인지를 의미있는 방식으로 설명할 수 있다. 또한 사용자들의 온톨로지에 대한 이해력 향상을 위해 논리합성에 기반한 새로운 규칙 최적화 절차를 제안하여 불필요한 규칙들을 제거한다.

The judgment that whether an email is spam or non-spam may vary from person to person. Different individuals can have totally different response to the same email based on their preferences. This report presents a solution for this situation by constr ...

The judgment that whether an email is spam or non-spam may vary from person to person. Different individuals can have totally different response to the same email based on their preferences. This report presents a solution for this situation by constructing a user preferred ontology for anti-spam systems. To define an ontology for describing user behaviors, we applied associative classification mining to study preference information of users and their responses to emails. Generated classification rules can be represented in a formal ontology language. A user preferred ontology can explain why mail is decided to be spam or non-spam in a meaningful way. We also suggest a new rule optimization procedure inspired from logic synthesis to improve comprehensibility and exclude redundant rules.

임의의 메일이 스팸 또는 비스팸 인지를 판정하는 기준은 사람마다 다르다. 즉 사용자마다 같은 이메일에 대한 반응도 자신의 취향에 따라 다를 수 있다. 본 논문에서는 사용자 선호 온톨로지를 구축함으로서 스팸 메일을 줄이고자 한다. 사용자의 행동양식을 기술하는 온 ...

임의의 메일이 스팸 또는 비스팸 인지를 판정하는 기준은 사람마다 다르다. 즉 사용자마다 같은 이메일에 대한 반응도 자신의 취향에 따라 다를 수 있다. 본 논문에서는 사용자 선호 온톨로지를 구축함으로서 스팸 메일을 줄이고자 한다. 사용자의 행동양식을 기술하는 온톨로지를 정의하기 위하여, 사용자들의 선호도 정보와 그들의 이메일에 대한 반응을 연구하기 위한 연관성 분류 마이닝 방법을 적용했다. 생성된 분류 규칙은 정형화된 온톨로지 언어로 표현된다. 사용자 선호 온톨로지는 어떤 메일이 스팸 또는 비스팸 인지를 의미있는 방식으로 설명할 수 있다. 또한 사용자들의 온톨로지에 대한 이해력 향상을 위해 논리합성에 기반한 새로운 규칙 최적화 절차를 제안하여 불필요한 규칙들을 제거한다.

본 연구에서는 스팸 메일 대응 시스템을 위한 사용자 선호 온톨로지를 구성하는 방법을 제시하였다. 제시된 방법의 중요한 특성은 사용자 선호에 따라 같은 이메일에 대해서 개별 사용자들의 다른 반응을 허용한다는 것이다. 이것은 메일의 스팸 유무를 판정할 때 모든 사 ...

본 연구에서는 스팸 메일 대응 시스템을 위한 사용자 선호 온톨로지를 구성하는 방법을 제시하였다. 제시된 방법의 중요한 특성은 사용자 선호에 따라 같은 이메일에 대해서 개별 사용자들의 다른 반응을 허용한다는 것이다. 이것은 메일의 스팸 유무를 판정할 때 모든 사용자가 같은 내용의 이메일에 대한 응답이 같을 것이라고 예상하는 현재의 스팸 메일 필터링 시스템과는 다르다. 그러나 본 연구는 이메일의 내용뿐만 아니라 사용자 선호와 과거 반응 기록을 고려함으로서 개인화된 스팸 메일 대응 서비스 지원을 향한 진척을 이루었다. 본 연구의 중요한 기여도로는 사용자의 선호 온톨로지가 어떤 메일이 왜 스팸인지 또는 비스팸인지 의미있는 방법으로 설명할 수 있다는 것이다. 또한 데이터 마이닝 기법으로 논리 규칙들을 발견하는 점과 제안된 혼합형 논리합성 규칙 가지치기 방법이 사람이 이해하고 수정하기 쉬운 규칙들을 유도한다는 것도 의미있는 연구결과이다.
스팸 메일은 컴퓨터 바이러스와 유사한 특성을 가지고 있기 때문에, 특정 문제 유형을 해결하는 방법을 만들더라도 새로운 유형의 변종이 끊임없이 발생하기 때문에 단순한 패턴을 수작업으로 구축하는 방법은 한계가 있을 수밖에 없다. 이러한 문제를 해결하기 위하여 본 연구에서는 기계학습 알고리즘과 온톨로지를 이용함으로써 학습되지 않은 즉, 시스템이 처음 접하는 유형의 스팸 메일도 처리할 수 있게 하며, 이와 같은 방법론은 필터링이 필요한 유사 응용 분야에서도 효과적으로 활용될 수 있는 접근법이다.